Chip fotonici sempre più attuali per velocizzare le operazioni di intelligenza artificiale

Nel corso di decenni fisici e ingegneri hanno sognato di creare chip ottici che usano fotoni e non elettroni per “muovere i dati” e permettere agli elaboratori elettronici di fare calcoli.
I cosiddetti circuiti fotonici potrebbero essere veloci come la luce nel trasferire informazioni ma allo stesso tempo molto efficienti dal punto di vista energetico.
Degli aspetti fondamentali legati al funzionamento dei chip fotonici abbiamo già parlato a suo tempo in un altro articolo rimarcando anche quanto sia complessa la loro realizzazione.

La startup Lightmatter si è talmente messa in evidenza che il suo CEO Nicholas Harris è stato premiato in questi giorni da MIT Technology Review, rivista interamente di proprietà del Massachusetts Institute of Technology, come uno dei più promettenti innovatori under 35.

A marzo 2021 Lightmatter ha annunciato che avrebbe presto iniziato a commercializzare un chip fotonico per accelerare le operazioni di apprendimento automatico utili nel campo dell’intelligenza artificiale. Secondo lo stesso Harris il chip sarebbe 20 volte più efficiente rispetto al più avanzato processore basato unicamente sull’utilizzo del silicio.

L’intelligenza artificiale è infatti uno dei campi applicativi che richiedono di muovere impressionanti volumi di dati. Ciò significa impegnare una banda davvero ampia con un impatto significativo in termini di consumi energetici.
In un’epoca in cui muovere le informazioni è più costoso che elaborarle è normale ripensare le tecnologie alle quali siamo abituati.

Gli ingegneri stanno quindi lavorando non solo su sistemi avanzati basati su packaging innovativi ma anche sull’adozione di interfacce fotoniche. Proprio l’uso della fotonica permetterà di compiere notevoli passi in avanti nel settore dell’intelligenza artificiale, soprattutto in un futuro in cui i circuiti integrati non saranno su un singolo chip ma verranno dislocati in diversi moduli intercomunicanti tra loro.

Le GPU NVidia di fascia alta offrono ad oggi il migliore supporto per le applicazioni di intelligenza artificiale ma è proprio Lightmatter ad aver progettato e realizzato un chip che rappresenta un salto generazionale rispetto alle GPU della società guidata da Jen-Hsun Huang.

Il grande problema per quanto riguarda lo sviluppo dei futuri processori per l’intelligenza artificiale è che all’interno dello stesso processore i consumi energetici sono tutto sommato limitati ma quando i dati devono trasferiti esternamente e ci si allontana dal chip principale i consumi aumentano in modo marcato.
Questo problema non si verifica con le intercomunicazioni basate sulla fotonica poiché il consumo di energia nelle interfacce ottiche non aumenta con la distanza. Ed è sulla fotonica che Lightmatter ha deciso di scommettere pesantemente.

Man mano che le GPU e gli altri chip diventano più complessi e viene compiuto un salto verso lo schema strutturale a chiplet, l’uso di diversi tipi di interfacce per mitigare l’aumento del consumo energetico diventa sempre più necessario.

Il team di Harris ha annunciato Passage, una soluzione per consentire agli elaboratori elettronici di comunicare a velocità mai viste prime; Envise, il primo acceleratore AI fotonico al mondo; Idiom, un software innovativo che si interfaccia con strutture e modelli di deep learning per ottimizzare la velocità e la precisione delle attività di inferenza.

La tecnologia di Lightmatter debutterà prima sui server per diventare progressivamente più mainstream. Da parte sua NVidia sta lavorando su una versione ottimizzata dell’interfaccia NVLink che trasmette i dati proprio usando la luce.
I primi risultati tangibili si dovrebbero vedere nel giro di qualche anno.